Chris Bishop, CEO von BillingPlatform – Interviewreihe

Chris Bishop, CEO von BillingPlatform, ist ein Führungskraft im Unternehmenssoftware‑Umfeld mit mehr als zwei Jahrzehnten Erfahrung in SaaS, Revenue‑Operations, Customer Success, Professional Services und Go-to-Market‑Leadership. Bevor er 2026 als CEO zu BillingPlatform kam, verbrachte Bishop fast sieben Jahre bei Conga, wo er leitende Positionen wie Chief Customer Officer, Chief Revenue Officer und Chief Marketing Officer innehatte und das Unternehmen durch eine Phase der Transformation und Integration führte. Zuvor war er Group Vice President of Global Services bei Plex Systems und gründete MIPRO Consulting, ein Beratungsunternehmen für Unternehmensanwendungen, das sich auf PeopleSoft‑ und Oracle‑Technologien spezialisiert hat. Seine Laufbahn umfasst zudem Führungspositionen bei PeopleSoft und Oracle, wo er ein nordamerikanisches Supply‑Chain‑Management‑Team von mehr als 230 Berater:innen leitete, sowie frühere Prozess‑Re‑Engineering‑Arbeit bei der Ford Motor Company.

BillingPlatform ist ein Unternehmen für Enterprise‑Revenue‑Lifecycle‑Management und Monetarisierungssoftware, das Unternehmen dabei unterstützt, immer komplexere Preis‑ und Abrechnungsmodelle zu verwalten. Das 2012 gegründete Unternehmen bietet eine cloudbasierte Plattform, die Auftragsannahme, abonnement‑ und nutzungsbasierte Abrechnung, Rechnungsstellung, Zahlungen, Automatisierung des Forderungsmanagements, Umsatzrealisierung und Finanzmanagement abdeckt. Seine Technologie unterstützt wiederkehrende, verbrauchsbasierte, hybride und andere konfigurierbare Preis‑modelle, während die Nutzungs‑Mediations‑Funktionen Daten wie API‑Aufrufe, Transaktionen, Lizenzen, Bandbreite oder andere Verbrauchsereignisse aufnehmen und in abrechenbare Datensätze umwandeln können. BillingPlatform gibt an, dass seine Systeme mehr als 50.000 Rechnungen pro Tag und über $4 Milliarden an monatlichen Abrechnungen verarbeiten, wodurch die Plattform als Finanzinfrastruktur für Unternehmen positioniert wird, die über traditionelle Festpreis‑ und Abonnement‑Modelle hinausgehen.

Ihre Karriere hat Sie von Prozess‑Re‑Engineering bei Ford und Unternehmensanwendungen bei PeopleSoft und Oracle über die Gründung von MIPRO Consulting bis hin zur Leitung von Kunden‑, Umsatz‑ und Marketing‑Funktionen bei Plex Systems und Conga geführt. Wie haben diese Erfahrungen Ihre Prioritäten als CEO von BillingPlatform geprägt, insbesondere bei der Einführung von KI in mission‑kritische Finanzoperationen?

Ich betrachte jede Station meiner Laufbahn als mission‑kritische Erfahrung. Der Fertigungsprozess bei Ford, Finanz‑ und Supply‑Chain‑Management bei PeopleSoft und Oracle, die dazwischen liegenden Beratungsjahre, ERP bei Plex und Revenue‑Lifecycle‑Management bei Conga. Wenn Systeme dieser Art Fehler aufweisen oder ein Vorgang stoppt, jemand nicht bezahlt wird oder ein Geschäft nicht abgeschlossen wird, ist die Fehlertoleranz deutlich niedriger als bei den meisten Softwarelösungen.

Ein weiterer Aspekt ist, dass der Wert durch die Ergebnisse bestimmt wird, die Sie freischalten, nicht durch das, was Sie vermarkten. Die Verantwortung für Kunden‑ und Umsatzfunktionen bei Plex und Conga hat mir das deutlich gemacht, da ich die Lücke zwischen dem, was verkauft wurde, und dem, was der Kunde erhielt, überbrückte.

Beide Aspekte führen bei KI in Finanzoperationen zum selben Ergebnis. 99,5 % Genauigkeit klingt in einer Demo beeindruckend, ist jedoch immer noch ein Versagen. Wir führen die Abrechnung für Unternehmen mit Millionen von Abonnenten durch. In diesem Umfang bedeutet eine Fehlerrate von einem halben Prozent zehntausende falsche Rechnungen in einem einzigen Monat, zehntausende Kunden‑Gespräche, für die niemand geplant hat, und einen Kredit‑Prozess, der das Team überfordert. Der Kunde erwartete, dass alle korrekt sind, sodass 99,5 % das gekaufte Ergebnis nicht lieferten.

Deshalb sind wir zurückhaltend, wo KI Geld berührt, und aggressiv, wo sie Arbeit berührt. KI übernimmt Konfiguration, Analyse und Untersuchung. Die Berechnung bleibt deterministisch. Der Test, den ich für jede KI‑Funktion anwende, ist, ob ein Controller das Ergebnis einem Prüfer erklären kann, ohne zu sagen, das Modell es für ihn oder sie entschieden hat.

Viele Anbieter von Unternehmenssoftware fügen bestehenden Produkten KI‑Assistenten hinzu. BillingPlatform beschreibt seine KI als native zum Revenue‑Lifecycle und aufgebaut auf einem einheitlichen, selbsterklärenden Metadatenmodell. Was kann diese Architektur leisten, was eine konventionelle KI‑Schicht, die zu einer Legacy‑Abrechnungssoftware hinzugefügt wird, nicht kann?

Unsere Plattform beschreibt sich selbst. Entitäten, Felder, Preisregeln, Workflows und Genehmigungen sind alles Metadaten, die das System zur Laufzeit lesen kann. Das bedeutet, dass unsere KI Ihre tatsächliche Konfiguration liest, nicht ein generisches Produktschema, und Änderungen an dieser Konfiguration vorschlagen kann, weil Konfiguration Daten und kein Code ist.

Ein an eine Legacy‑Abrechnungssoftware angefügter Assistent hat ein anderes Problem. Die kundenspezifische Logik in diesen Systemen befindet sich in individuellem Code, Stored Procedures und Integrations‑Middleware. Der Assistent kann Fragen zur Dokumentation beantworten. Alles, was spezifisch dafür ist, wie Ihre Instanz tatsächlich funktioniert, muss aus diesem Code ausgelesen werden, und Änderungen bedeuten einen Entwicklungszyklus statt einer Konversation.

Das zweite Problem besteht darin, dass Messung, Abrechnung und Umsatzrealisierung üblicherweise in separaten Systemen mit eigenen Datenbanken laufen. Jede KI, die über diese Funktionen gelegt wird, arbeitet über eine Abstimmung hinweg, sodass ihre Antwort nur so gut ist wie der nächtliche Batch‑Job. Wir betreiben alle drei Bereiche mit einem einzigen Modell, sodass es eine durchgängige Kette vom Nutzungsevent bis zum Buchungssatz gibt. Die KI liefert Antworten aus demselben Datensatz, aus dem die Rechnung erstellt wurde, was enorm wichtig ist.

Während Unternehmen nutzungsbasierte, ergebnisbasierte und hybride Geschäftsmodelle einführen, wie verändert KI die Art und Weise, wie Produkte und Dienstleistungen verpackt, bepreist und monetarisiert werden?

Zwei Dinge verändern sich. Erstens wandert die Wert­einheit von Sitz‑Lizenzen hin zu erledigter Arbeit, sodass Unternehmen Lösungen, verarbeitete Dokumente, abgeschlossene Aufgaben oder gelieferte Ergebnisse bepreisen. Zweitens wird die Preisgestaltung zu etwas, das vierteljährlich statt jährlich überarbeitet wird, weil die Kostenkurve eines KI‑Produkts so schnell schwankt.

Nach unserer Erfahrung unterstützt KI eher die Analyse als die kreative Seite. Wenn Ihr Transaktionsverlauf an einem Ort gespeichert ist, können Sie eine geplante Preisänderung anhand des tatsächlichen Kundenverhaltens modellieren, bevor Sie sie in Minuten ausrollen, und beispielsweise prognostizieren, wie sich das auf Marge oder Abwanderung auswirken könnte. Das war früher ein mehrwöchiges Finanzprojekt.

Ich würde zudem eine Warnung hinzufügen. Die meisten Unternehmen, die zu Verbrauchs‑ oder Ergebnis‑Preisgestaltung wechseln, können noch nicht beantworten, was eine einzelne Einheit sie kostet. Ohne diese Kennzahl rät das Unternehmen bei Mindestpreisen und Rabattbefugnissen. Deshalb setzen die meisten Unternehmen auf einen hybriden Ansatz: eine feste Plattformgebühr für Vorhersehbarkeit, Verbrauch für Ausrichtung und einen Ergebnis‑Komponenten, bei dem der Wert tatsächlich messbar ist.

KI‑Produkte können sehr variable Kosten erzeugen, abhängig von Tokens, Modellen, Infrastruktur und der Komplexität jeder Anfrage. Welche neuen Mess‑ und Abrechnungsfunktionen benötigen Unternehmen, um KI‑Dienstleistungen genau zu monetarisieren, ohne sich unvorhersehbaren Margen auszusetzen?

Ich würde empfehlen, mit der Messung auf Granularität des Kostentreibers zu beginnen und die Ereignisse beizubehalten. Wenn Sie vorab zu einem täglichen Kundensummenwert aggregieren, verlieren Sie die Möglichkeit zu erkennen, dass ein Workflow auf einem teuren Modell läuft.

Von dort aus erledigen vier Funktionen die eigentliche Arbeit:

1. Verknüpfen Sie die Kosten der Waren mit demselben Ereignis, das den Umsatz trägt, sodass die Marge nach Kunde, Feature und Modell während des Zeitraums sichtbar ist und nicht erst beim Abschluss.
2. Unterstützen Sie Preisstrukturen, die sich mitten im Zeitraum ändern, da Modellwechsel und Preisnachlässe von Anbietern nicht auf den Erneuerungszeitplan eines Unternehmens warten.
3. Bieten Sie Kunden Verpflichtungen, Vorausguthaben, Obergrenzen und Abrufe, da Vorhersehbarkeit ein Produktmerkmal ist und das Unternehmen zudem vor unerwarteten Rechnungen schützt.
4. Und schließlich die Möglichkeit, die Historie neu zu bewerten, wenn ein Preis sich ändert oder eine Mediation fehlerhaft war, ohne einen manuellen Gutschriftprozess.

Der Margenschutz bei KI‑Produkten ist ein Problem des Mess‑ und Preisgestaltungsdesigns. Wird es als Finanzberichtsproblem behandelt, erfährt man erst nach 40 Tagen davon.

BillingPlatform ermöglicht es Teams, Produkte, Preisregeln und Abrechnungs‑Workflows konversationsbasiert zu konfigurieren. Welche Entscheidungen können sicher an KI delegiert werden und wo muss menschliche Prüfung und Genehmigung zwingend bleiben?

Ich würde sagen, die Arbeit delegieren, aber die Entscheidungen den Menschen überlassen.

KI kann sicher bestehende Konfigurationen lesen und erklären, neue Konfigurationen in einer Sandbox entwerfen, Testdaten und Testfälle erzeugen, Anomalien in Nutzungs‑ oder Abrechnungsläufen erkennen, eine Bewertungsstreitigkeit bis zum zugrunde liegenden Ereignis untersuchen und eine erste Zuordnung für eine Migration erstellen. Das macht einen großen Teil der Stunden im Wochenplan eines Abrechnungsteams aus und birgt kaum Risiko.

Menschliche Genehmigung ist zwingend erforderlich bei allem, was die Kundenabrechnung oder die Erfassung von Umsatz in der Produktion ändert. Dazu gehören Preis‑ und Tarifänderungen, Vertragsbedingungen, Gutschriften und Anpassungen, Richtlinien zur Umsatzrealisierung und Bewertungen des eigenständigen Verkaufspreises, GL‑Zuordnungen, Steuerpositionen und Periodenabschluss. Außerdem müssen Menschen bei allem, das zum ersten Mal für den Kunden sichtbar wird, eingebunden werden.

Die Betriebsregel lautet, dass KI vorschlägt, eine befugte Person genehmigt und die Genehmigung dem Änderungsdatensatz zugeordnet wird. Genehmigungen und rollenbasierte Berechtigungen waren bereits in der Plattform vorhanden, sodass Agenten diese erben, anstatt sie zu umgehen.

Finanzsysteme lassen kaum Raum für Halluzinationen oder unerklärte Entscheidungen. Wie kombiniert BillingPlatform KI‑Argumentation mit deterministischer Ausführung, um sicherzustellen, dass Rechnungen, Umsatzberechnungen und Buchhaltungsaktionen genau und reproduzierbar bleiben?

Wir trennen Interpretation von Ausführung. Das Modell interpretiert die Absicht und erzeugt eine Konfiguration, eine Abfrage oder einen Änderungsvorschlag. Die Bewertungs‑ und Buchhaltungs‑Engine führt dann aus. Diese Engine nutzt denselben Codepfad, egal ob eine Person sie in der Benutzeroberfläche oder ein Agent über unsere KI konfiguriert hat, sodass dieselben Eingaben jedes Mal dieselbe Rechnung erzeugen und ein abgeschlossener Zeitraum erneut durchlaufbar ist, um die identische Antwort zu erhalten.

Keine Rechnungsnummer wird zum Zeitpunkt der Rechnungserstellung von einem Sprachmodell erzeugt. Was die KI erzeugt, ist eine Konfigurationsänderung, die wie jede andere Änderung im System eine Version, einen Autor und einen Zeitstempel enthält. Fragt ein Prüfer, warum eine Gebühr so hoch ist, führt die Antwort über den Preisdatensatz zurück zum Nutzungsereignis, nicht zu einer Eingabeaufforderung.

Der letzte Baustein ist, dass Vorschläge überprüfbar sind, bevor sie angewendet werden. Sie sehen die konkrete Konfiguration, die die KI erstellen möchte, in klaren Worten und können sie genehmigen oder ablehnen.

BillingPlatform unterstützt das Model Context Protocol, das Agent-to-Agent-Protokoll und Verbindungen zu externen Unternehmens‑KI‑Tools. Wie können Unternehmen autonomen Agenten Zugriff auf Abrechnungsprozesse gewähren und gleichzeitig unbefugte Aktionen, Datenexposition oder nicht nachverfolgbare Änderungen verhindern?

MCP und A2A sind Transportmechanismen und bringen einen Agenten bis zur Tür. Die Kontrollebene ist Ihr Berechtigungsmodell, und dort liegt die eigentliche Arbeit.

In unserem Fall authentifiziert sich ein Agent als Benutzer und übernimmt dieselbe Rolle sowie Feld‑ und Datensatz‑Berechtigungen, die jeder Mitarbeiter erhalten würde. Es gibt keinen Agenten‑Umweg. Darüber hinaus halten einige bewährte Praktiken. Geben Sie jedem Agenten ein eigenes, abgegrenztes Servicekonto mit minimalen Rechten, zunächst nur Lesezugriff, bis das Gegenteil bewiesen ist, sodass das Audit‑Log zeigt, welcher Agent was getan hat. Leiten Sie Schreibvorgänge über einen Genehmigungs‑Workflow mit Schwellenwerten für Dollar‑ und Volumenbeträge. Sie sollten sie außerdem drosseln, weil ein Agent in einer Schleife ein anderer Fehlertyp ist als ein Mensch, der einen Fehler macht. Es ist zudem entscheidend, jeden Aufruf zu protokollieren, nicht nur die, die etwas geändert haben. Und geben Sie nur die Felder zurück, die die Aufgabe benötigt, da der schnellste Weg, Kundendaten zu leaken, ein zu breit gefasster Lesezugriff ist.

Der Fehler, den ich in diesem Jahr im gesamten Markt erwarten werde, ist, dass Unternehmen einem Agenten ein menschliches Administrator‑Zertifikat geben, weil das einfacher war, als ein solches ordnungsgemäß zu begrenzen.

BillingPlatform sagt, KI könne Implementierungen von Quartalen auf Wochen verkürzen. Welche Teile der Anforderungsaufnahme, Konfiguration, des Testens und der Migration kann KI heute automatisieren, und welche Teile weiterhin erfahrene Fachleute für Abrechnung und Finanzen erfordern?

KI ist tatsächlich gut darin, dokumentierte Preisgestaltungen in Konfigurationen zu übersetzen, Gap‑Analysen anhand einer Bibliothek bekannter Muster durchzuführen, Testfälle zu erzeugen und Regressionstests auszuführen, Altdaten für Migrationen zuzuordnen und zu bereinigen sowie Dokumentationen zu erstellen. Das sind die Bereiche, in denen die Arbeit von Quartalen auf Wochen reduziert wird.

Entscheidungen erfordern jedoch weiterhin erfahrene Fachleute für Abrechnung und Finanzen. Einige Beispiele, die nach wie vor erfahrene Personen benötigen, sind: einen Kunden dazu zu bringen, seinen eigenen Preisregeln und Umsatzrichtlinien zuzustimmen, Vertragsbedingungen zu rekonstruieren, die Integration in ein System mit undokumentiertem Verhalten und die Beurteilung der Umsatzbehandlung bei einer mehrteiligen Vereinbarung. Kurz gesagt, das Änderungsmanagement reagiert nicht auf Software.

Wie kann ein einheitliches Modell, das Messung, Abrechnung und Umsatzrealisierung umfasst, die Compliance, Nachvollziehbarkeit und Finanzberichterstattung verbessern, insbesondere für Organisationen dieunter komplexen Umsatzrealisierungsanforderungen?

Prüfer fragen stets nach zwei Dingen: Zeigen Sie mir, wie Sie zu dieser Zahl gekommen sind, und zeigen Sie mir, dass Sie dieselbe Behandlung konsequent angewendet haben. Wenn Ihre Mess‑, Abrechnungs‑ und Umsatzrealisierungssysteme getrennt existieren, bedeutet die Beantwortung, dass Sie drei Datenbanken sowie eine von Menschen erstellte Tabelle durchsuchen müssen, um alles abzugleichen.

Wenn alles ein einziges Modell ist, entfällt diese ganze Übung. Das Nutzungsevent, die Belastung, die Rechnungsposition und der Buchungssatz sind alle derselbe Datensatz, der einfach zum nächsten Schritt weitergeführt wird. Sie können ihn vorwärts oder rückwärts verfolgen, ohne einen Zwischenschritt zur Abstimmung, weil es nichts abzugleichen gibt. Wenn sich ein Vertrag ändert, bewerten Sie dieselben Transaktionsdaten, die die Rechnung ursprünglich erzeugt haben. Ihr eigenständiger Verkaufspreis und die Zuweisung ergeben sich aus dem, was passiert ist.

Dies ist besonders wichtig für Unternehmen, die variable Gegenleistungen nach ASC 606 oder IFRS 15 behandeln, bei denen Sie Ihre Arbeit nachweisen und ein Jahr später erneut nachweisen können müssen.

BillingPlatform hat kürzlich die Einstellung eines neuen Chief Financial Officer, Chief Product Officer und Chief Customer Officer angekündigt, während es seine KI‑native Strategie ausbaut. Wie werden diese Führungskräfte zusammenarbeiten, um technische Innovationen in finanziell nachhaltiges Wachstum und messbare Ergebnisse für Unternehmenskunden zu übersetzen?

Als Chief Product Officer sorgt Rob Zwiebach dafür, dass unser Produkt differenziert ist und ausgeliefert wird. Er leitete die Produkt‑Roadmap für Finanzlösungen bei Workday und verbrachte 17 Jahre bei Oracle, sodass er die Systeme kennt, die unsere Kunden bereits einsetzen, und weiß, was nötig ist, um mit ihnen zu konkurrieren. Als Chief Customer Officer ist Chris King dafür verantwortlich, dass Kunden den Wert erkennen, also Zeit‑bis‑Wert, Lieferkonsistenz, Bindung und Erweiterung. Er leitete Services und Success bei Medidata und Salesforce und begann in dieser Branche bei Zuora, sodass er sowohl gute als auch schlechte Unternehmens‑Deliveries in großem Maßstab erlebt hat. Steven Springsteel, unser Chief Financial Officer, ist für die Wirtschaftlichkeit zuständig und kommt von der CFO‑Position bei Recurly, wodurch er aus erster Hand Erfahrung in der Führung der Finanzfunktion eines Abrechnungsunternehmens hat.

Wo sie wirklich als Gruppe zusammenarbeiten müssen, ist bei der Kennzahl, die mir am wichtigsten ist. Das ist, was es kostet und wie lange es dauert, einen Unternehmenskunden live und produktiv zu bekommen, sowie die Marge bei dieser Arbeit. Das ist eine Produkt‑Entscheidung, eine Liefer‑Entscheidung und eine Mess‑Entscheidung, und historisch war dies der Punkt, an dem Enterprise‑Abrechnungsprojekte scheitern. Zu behaupten, man sei KI‑native, ist eine Aussage über die Architektur. Sie wird erst zu einem Geschäftsaspekt, wenn sie sich in Implementierungskosten, Expansionsrate und Bruttomarge niederschlägt. Das sind die drei Zahlen, an denen Rob, Chris und Steven jeweils ein Stück besitzen.

Vielen Dank für das großartige Interview, Leser, die mehr erfahren möchten, sollten BillingPlatform besuchen.